Лучший промпт не спасёт, если нет процесса

Команда берёт ИИ-агента, пишет хороший промпт, и первые задачи идут гладко. Потом проект вырастает за пределы одного модуля, и начинается: агент делает «что-то похожее», поведение дрейфует от сессии к сессии, дефекты приходят с интеграции. Разработчик тратит на правки больше, чем сэкономил на генерации.

Это не проблема модели. Это отсутствие процесса.

Agentic Agile: подход, который адаптирует Agile под команды с ИИ-агентами. Промпт здесь: задание, не процесс. Бэклог, acceptance criteria и ревью-гейты нужны так же, как и с людьми. CLAUDE.md или AGENTS.md: не README, а интерфейс между человеком и агентом. CI/CD и автотесты: первый тикет, не последний.

Разбор на Tproger — как выстроить это на практике.

@tproger
Читайте также в VK, Max и Дзен

8-битный веб-сервер на ретро-процессоре

Энтузиаст собрал HTTP-сервер, работающий на 8-битном процессоре — буквально живой веб на железе, которое старше большинства фронтенд-фреймворков. Никаких ESP32, никаких микро-Linux: только голый MCU, ручной TCP/IP-стек и HTML, прошитый в EEPROM.

Стек переписан под крошечный объём RAM, отвечает на GET за десятки миллисекунд и держит несколько одновременных соединений.

Историческая параллель: первый веб-сервер CERN'а 1990 года крутился на NeXT-машине с 8 МБ памяти — больше, чем у автора проекта. Среднее SPA сегодня грузит 5 МБ JS, чтобы отрендерить кнопку «Отправить».

@tproger
Читайте также в VK, Max и Дзен

Где в Москве учат детей программированию по-настоящему

Школ детского айти всё больше, и почти все обещают сделать из второклассника Python-джуна к лету. На практике за этим часто стоит игра в Minecraft, а не алгоритмы.

Прошлись по пяти московским школам и посмотрели, где детей учат программировать всерьёз: языки, формат, цена, кто преподаёт.

Полная статья: https://tproger.ru/articles/gde-uchit-rebyonka-programmirovaniyu-v-moskve-gajd-dlya-roditelej

@tproger
Читайте также в VK, Max и Дзен

Бейджи фестиваля, которые сами синхронизируются друг с другом

На Hackaday — разбор хардварного проекта: тысяча бейджей-плат с RGB-светодиодами и ESP32. Стоят рядом — начинают мигать в такт.

Это mesh-сеть с алгоритмом синхронизации фаз. Каждый бейдж шлёт через ESP-NOW (Wi-Fi без AP, прямой peer-to-peer) свою текущую фазу мигания. Соседи усредняют чужие фазы со своей и подтягивают свою. Через минуту все мигают синхронно.

Это модель Курамото — математика, описывающая как сверчки в траве синхронизируют свои стрекотания. На бейджах работает буквально та же формула.

@tproger
Читайте также в VK, Max и Дзен

Хотите разобраться, как PyTorch работает изнутри, а не только вызывать .fit()?

Держите: awesome-cuda-books, кураторский список лучших книг по CUDA и параллельным вычислениям на GPU. 668 звёзд на GitHub.

CUDA от NVIDIA — основная платформа, поверх которой работают PyTorch, TensorFlow и большинство ML-фреймворков. Чтобы разобраться в том, что происходит на уровне ядер и памяти видеокарты, без хорошей книги не обойтись. Учебников по теме немало, и отфильтровать подходящие без ориентира непросто. А тут прямо готовая библиотека, так что забирайте.

#python #pytorch

@tproger
Читайте также в VK, Max и Дзен

Каждая часть системы работала правильно. Приложение всё равно падало

Веб создаёт данные, бэкенд обрабатывает, мобилка показывает — и каждый кусок по отдельности проходит тесты. А баг рождается ровно там, где они встречаются впервые.

Собрали пять кейсов из практики мобильного тестирования:

— Промокод с кириллицей, который веб спокойно создавал, а мобилка отказывалась принимать.
— RatingBar, который на Samsung стабильно накидывал лишнюю звезду.
— Пуши, отвалившиеся на всех iPad из-за одной строки «iPadOS» в JSON.
— Кнопка в чате бота, уехавшая за край экрана у клиентов с длинным списком счетов.
— WebSocket, который не закрывался при выходе из чата и копил соединения до краша.

@tproger
Читайте также в VK, Max и Дзен

Self-hosted платформа для агентов с песочницами и audit log

Один агент с shell-доступом выглядит удобно ровно до момента, когда надо понять, кто разрешил действие, в каком контейнере оно выполнялось и можно ли повторить цепочку. Horizons пытается закрыть именно эту инженерную часть.

В проекте агенты описываются декларативно: имя, sandbox image, доступные инструменты, расписание. Действия проходят approval gates, записываются в append-only audit log, а MCP gateway поддерживает stdio и HTTP. Получается не «чатик с инструментами», а среда исполнения с правилами.

Можно разобрать репозиторий как пример self-hosted agent execution. Внутри полезно смотреть не только на SDK, но и на модель разрешений, журнал действий и границы песочницы.

@tproger
Читайте также в VK, Max и Дзен

Агенты становятся быстрее не от промптов, а от runtime-подсказок

Когда агентный пайплайн тормозит, первое желание: переписать промпт или заменить модель. NVIDIA NeMo Agent Toolkit смотрит ниже: на маршрутизацию, приоритеты, трассировку и выполнение графов агентных задач.

В проекте есть Dynamo Runtime Intelligence для выбора cache-control и приоритетов по профилю запроса, Agent Performance Primitives для ускорения графовых фреймворков, интеграция с LangSmith и публикация workflow как MCP-серверов через FastMCP. Это уже не демо-чат, а инфраструктура вокруг агентных систем.

Если вы собираете не одного бота, а цепочку инструментов, стоит изучить подход. Детали помогают понять, какие части агентного стека стоит измерять до того, как винить модель.

@tproger
Читайте также в VK, Max и Дзен

MCP-сервер, который лечит галлюцинации документации

У AI-ассистента есть неприятная привычка: он уверенно вспоминает API из старой версии библиотеки и пишет код, который выглядит правдоподобно до первого запуска. Grounded Docs MCP Server предлагает скучное, но сильное решение: дать ассистенту свой актуальный индекс документации.

Проект позиционируется как open-source альтернатива Context7, Nia и Ref.Tools. Идея в том, чтобы локально собрать документы, держать их свежими и отдавать через MCP в инструменты кодинга, вместо того чтобы просить модель угадывать сигнатуры из памяти.

Можно посмотреть, как устроен такой сервер и какие сценарии он закрывает. В деталях особенно полезна мысль: качество AI-кода часто упирается не в модель, а в источник контекста.

@tproger
Читайте также в VK, Max и Дзен

Коллеги из Tproger собрали подборку облачных GPU-провайдеров для ML на 2026 год. Внутри — какие карты реально доступны у разных провайдеров (от Tesla T4 до H200 и B300), под какие сценарии берут конкретные конфигурации и сколько это стоит за час аренды.

Рекомендую, пишут про решения, которыми я лично пользуюсь.

@neuro_channel (теперь ещё в VK и Max)

Свой AI-агент без магии: CRUD-подход, память и инструменты

Когда говорят «агент», легко представить огромную платформу, которую страшно трогать без команды ML-инженеров. Автор FastStream и мейнтейнер AG2 предлагает инженерный взгляд: агент состоит из понятных частей, а не из чёрного ящика.

В разборе OpenClaw используется как повод показать базовую конструкцию: модель, инструменты, контекст, память, интеграции и правила выполнения. Смысл не в том, чтобы срочно писать свой фреймворк, а в том, чтобы перестать бояться архитектуры агентов.

Если хочется разобрать агентную механику на пальцах, материал хорошо работает как инженерная карта. Детали помогут отличить полезную автоматизацию от красивой кнопки «сделай всё».

@tproger
Читайте также в VK, Max и Дзен

Сайт узнаёт ваши вкладки не через куки, а через SSD

Если вы думали, что приватность в браузере — это про куки, новая техника FROST добавит вам бессонницы. Вредоносный сайт создаёт гигабайтный файл в изолированном хранилище OPFS и измеряет задержки чтения вашего SSD. Когда другая вкладка обращается к диску, задержки меняются. Свёрточная нейросеть по этим колебаниям определяет, что именно у вас открыто.

Исследователи показали полноценную атаку на macOS с чипом M2, базовый примитив подтверждён на Linux. Пока это лабораторный proof-of-concept, но работает во всех основных браузерах без единого клика.

Держите: Claude Opus 4.8 с fast mode втрое дешевле и сотнями параллельных агентов

Anthropic обновила флагман до версии 4.8 по той же цене, а для разработчиков главное новшество простое: режим fast mode теперь стоит втрое меньше и работает в 2,5 раза быстрее.

Модель заметно прибавила в надёжности. По оценкам Anthropic, Opus 4.8 в четыре раза реже молча пропускает собственные ошибки в коде. На бенчмарке Super-Agent она стала единственной моделью, дошедшей до конца во всех сценариях, и обошла GPT-5.5 при равной стоимости.

В Claude Code появились динамические рабочие процессы — теперь можно запускать сотни параллельных подагентов в одной сессии. Подробности на Tproger.

Что делать, если нашёл ракушку: Версия для разработчиков

Сегодня никаких каламбуров, так что я про реальную ракушку, а не про shell. Один разраб нашёл окаменевшую ракушку в пустыне Аль-Гат в Саудовской Аравии. Это область погружалась под воду в позднем юрском периоде, 150 миллионов лет назад.

Обычный человек обратился бы к палеонтологам, чтобы узнать о находке подробнее. Но мы то с вами не такие, верно? Поэтому парень написал код, подготовил датасет из 7 894 видов и 59 244 фотографий, разобрал контур каждой ракушки в 256 точек, настроил сжатие признаков через PCA. В итоге определение вида свелось к двум параметрам — «заострённость» и «симметрия».

Модель показала, что скорее всего это Sphincterochila candidissima. Неплохо, правда? У себя на GitHub автор выложил разбор своего метода и кода. Если интересно, можете изучить, а заодно и потестировать на ракушках возле своего дома.

strace без простыни системных вызовов

strace может показать почти всё, что процесс делает с системой. Но потом вы остаётесь один на один с простынёй системных вызовов, файловых дескрипторов и аргументов, где полезное приходится выкапывать глазами.

Но мне тут попалась strace-ui — интерактивная TUI-обёртка: ненужные вызовы скрываются клавишей h, дескрипторы фильтруются на лету, структуры разворачиваются в читаемый вид, а man pages открываются прямо из интерфейса.

Интересно тут не только удобство. В разборе автор проекта показал, как строит терминальные интерфейсы на OCaml и Bonsai, своём реактивном UI-фреймворке в духе Elm. И заодно объясняет, почему TUI снова хорошо ложится на dev-tools: быстро, переносимо, тестируется текстовыми снапшотами и понятно даже агентам.

Я бы открыл не только ради strace-ui, а ради аргумента про возвращение нормальных терминальных интерфейсов: https://blog.janestreet.com/strace-ui-bonsai-term-and-the-tui-renaissance/

Если вы устали от бесконечных тасок и созвонов, то мы приготовили для вас игру, которая поможет отдохнуть

А заодно проверить вашу способность быстро запоминать новую инфу. Переходите по ссылке и играйте в нашу «Меморину». И делитесь результатами в комментариях!

Играть тут: https://tprg.ru/KSfj

Разработчик сделал потолок прозрачным с помощью ADS-B

На Hackaday попался проект с короткофокусным проектором и ADS-B: автор берёт данные о реальных самолётах, считает, что сейчас проходит над домом, и выводит это на потолок. Получается не FlightRadar в браузере, а почти окно в небо. Только без окна.

Мне в таких штуках нравится не сам визуальный фокус, а то, как из отдельных не связанных элементов делают что-то совершенно новое: радиосигналы из реального мира → координаты → проекция в комнате. Вроде игрушка, но внутри нормальная инженерная магия: данные, геометрия, маппинг и желание сделать красиво.

AIOps продавали как волшебную таблетку: заливаешь логи и метрики, а на выходе готовое решение инцидента. На практике под капотом обычно старый движок правил в интерфейсе с надписью «ИИ», а приклеенная сверху LLM охотно выдумывает причину сбоя вместо того, чтобы её найти.

На Tproger разобрали, где ML в мониторинге теряет связь с реальностью, почему модель быстро «умирает» от дрейфа данных и где она всё-таки экономит время дежурного. Внутри ещё и чек-лист вопросов вендору, чтобы не купить пороговый мониторинг под видом ИИ.

P.S. Tproger — это медиа, где я работаю. Этот канал его часть. Так вот знакомлю вас постепенно с разным, что у нас есть :)

@neuro_channel

KVarN убирает главное ограничение vLLM одним флагом

Если вы гоните LLM в проде, память под KV-cache уходит быстрее, чем вы успеваете сказать «контекстное окно». Huawei выложила KVarN: нативный бэкенд квантизации для vLLM, который включается одним флагом — без калибровки и без переписывания модели.

По их данным, проект даёт в 3-5 раз больше контекста при throughput выше FP16 и точности на уровне FP16. Для агентов и long-context задач это означает больше параллельных запросов на том же железе без потери качества, а это как раз то, за что обычно приходится покупать новые GPU.

Репо с кодом и бенчмарками.